sEMGに基づくジェスチャ認識のためのリカレントニューラルネットワークを用いたドメイン適応

表面筋電図（sEMG/EMG）は、電極を使用して皮膚の特定領域から筋肉の電気活動を記録する技術である。sEMGに基づくジェスチャ認識は、セッション間および被験者間の変動に非常に敏感である。本研究では、認識精度向上のためにドメインシフトを近似するモデルと深層学習に基づくドメイン適応方法を提案する。疎なデータセットと高密度（HighDensity: HD）sEMG公開データセットでの分析結果は、当方針が最先端の手法を上回ることを示している。